• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Information Fusion >Covariance Estimation for Factor Graph Based Bayesian Estimation
【24h】

Covariance Estimation for Factor Graph Based Bayesian Estimation

机译：基于因子图的贝叶斯估计的协方差估计

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

When attempting to estimate the state of a dynamic system, one of the common assumptions is that the uncertainty information for the inputs (measurements and dynamics) is known a-priori. Unfortunately, this is not a valid assumption in many cases, leading to the development of multiple covariance estimation techniques for both the Kalman filter and smoothing techniques. This paper presents a novel method to estimate the covariances of the inputs in a factor-graph formulation of the Bayesian estimation problem. A general solution, based on covariance estimation in linear regression problems, is presented that gives unbiased estimators of multiple variances from measured data. An iteratively re-weighted least squares (IRLS) algorithm is then used to estimate the input variances of a non-linear system using factor graph optimization. Simulation studies using a robot localization problem demonstrate the efficacy of our proposed techniques.
机译：尝试估计动态系统的状态时，常见的假设之一是输入（测量和动态）的不确定性信息是先验的。不幸的是，在许多情况下这不是一个有效的假设，从而导致针对卡尔曼滤波器和平滑技术的多种协方差估计技术的发展。本文提出了一种新的方法来估计贝叶斯估计问题的因子图公式中输入的协方差。提出了一种基于线性回归问题中协方差估计的通用解决方案，该解决方案可以根据测量数据给出多个方差的无偏估计量。然后使用迭代重加权最小二乘（IRLS）算法，使用因子图优化来估计非线性系统的输入方差。使用机器人定位问题进行的仿真研究证明了我们提出的技术的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号